Valores publicados por otras instituciones
Responder investigando en la web (DeepResearch Bench)
Tareas de investigación en las que se busca en la web para dar una respuesta, como encontrar una cifra, comprobar una afirmación o reunir datos.
Cómo leer esta tabla
- Cuanto más arriba, mejor valoración; la diferencia entre modelos que aparecen con un intervalo como «1–2» está dentro del margen de error.
- La valoración es el valor publicado por la institución que creó la tarea, entre otras.
- Las condiciones de medición pueden variar según el modelo, así que no hace falta preocuparse por diferencias pequeñas.
- El precio es una referencia por cada millón de tokens: primero lo que se le da a leer y después lo que se le pide escribir.
- La longitud es la cantidad de texto que se le puede dar a leer de una vez (tokens).
| Puesto | Modelo | Desarrollador | Puntuación | Entrada $ /1M | Salida $ /1M | Contexto | Admite | Pesos | Publicación | Precio y características |
|---|---|---|---|---|---|---|---|---|---|---|
| 1.º | Claude Opus 4.6 | Anthropic | Valoración 55.3 | $5 | $25 | 1M | Anthropic Publicación 2026-02 Precio $5 / $25 Longitud 1M | |||
| 2.º | Claude Sonnet 4.6 | Anthropic | Valoración 54.9 | $3 | $15 | 1M | Anthropic Publicación 2026-02 Precio $3 / $15 Longitud 1M | |||
| 3.º | Claude Opus 4.5 | Anthropic | Valoración 54.8 | $5 | $25 | 200K | Anthropic Publicación 2025-11 Precio $5 / $25 Longitud 200K | |||
| 4.º | GPT-5.5 | OpenAI | Valoración 54.0 | $5 | $30 | 1.05M | OpenAI Publicación 2026-04 Precio $5 / $30 Longitud 1.05M | |||
| 5.º | Claude Sonnet 4.5 | Anthropic | Valoración 52.6 | $3 | $15 | 200K | Anthropic Publicación 2025-09 Precio $3 / $15 Longitud 200K | |||
| 6.º | Claude Opus 4.8 | Anthropic | Valoración 50.2 | $5 | $25 | 1M | Anthropic Publicación 2026-05 Precio $5 / $25 Longitud 1M | |||
| 7.º | Gemini 3 Flash (preview) | Valoración 49.8 | $0.5 | $3 | 1M | Google Publicación 2025-12 Precio $0.5 / $3 Longitud 1M | ||||
| 8.º | GPT-5 | OpenAI | Valoración 49.6 | $1.25 | $10 | 400K | OpenAI Publicación 2025-08 Precio $1.25 / $10 Longitud 400K | |||
| 9.º | Claude Opus 4.1 | Anthropic | Valoración 48.3 | — | — | 200K | Anthropic Publicación 2025-08 Precio — Longitud 200K | |||
| 10.º | Gemini 3.1 Pro (preview) | Valoración 47.8 | $2 | $12 | 1.05M | Google Publicación 2026-02 Precio $2 / $12 Longitud 1.05M | ||||
| 11.º | Grok 4 | xAI | Valoración 47.3 | — | — | 256K | xAI Publicación 2025-07 Precio — Longitud 256K | |||
| 12.º | Claude Opus 4 | Anthropic | Valoración 46.8 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 13.º | Claude Sonnet 4 | Anthropic | Valoración 46.6 | — | — | 200K | Anthropic Publicación 2025-05 Precio — Longitud 200K | |||
| 14.º | Gemini 3 Pro (preview) | Valoración 46.3 | — | — | 1M | Google Publicación 2025-11 Precio — Longitud 1M | ||||
| 15.º | Claude Haiku 4.5 | Anthropic | Valoración 45.5 | $1 | $5 | 200K | Anthropic Publicación 2025-10 Precio $1 / $5 Longitud 200K | |||
| 16.º | o3 | OpenAI | Valoración 45.2 | $2 | $8 | 200K | OpenAI Publicación 2025-04 Precio $2 / $8 Longitud 200K | |||
| 17.º | Claude 3.7 Sonnet | Anthropic | Valoración 43.6 | — | — | 200K | Anthropic Publicación 2025-02 Precio — Longitud 200K | |||
| 18–19.º | Gemini 2.5 Pro (preview, 2025-05) | Valoración 42.8 | — | — | 1.05M | Google Publicación 2025-05 Precio — Longitud 1.05M | ||||
| 18–19.º | GPT-5.1 | OpenAI | Valoración 42.8 | $1.25 | $10 | 400K | OpenAI Publicación 2025-11 Precio $1.25 / $10 Longitud 400K | |||
| 20.º | Gemini 2.5 Pro | Valoración 41.5 | $1.25 | $10 | 1M | Google Publicación 2025-06 Precio $1.25 / $10 Longitud 1M | ||||
| 21.º | GPT-5.2 | OpenAI | Valoración 41.1 | $1.75 | $14 | 400K | OpenAI Publicación 2025-12 Precio $1.75 / $14 Longitud 400K | |||
| 22.º | Gemini 3.1 Flash-Lite | Valoración 37.3 | $0.25 | $1.5 | 1.05M | Google Publicación 2026-03 Precio $0.25 / $1.5 Longitud 1.05M | ||||
| 23.º | GPT-5.4 mini | OpenAI | Valoración 36.3 | $0.75 | $4.5 | 400K | OpenAI Publicación 2026-03 Precio $0.75 / $4.5 Longitud 400K | |||
| 24–25.º | GPT-5.4 | OpenAI | Valoración 35.1 | $2.5 | $15 | 1.05M | OpenAI Publicación 2026-03 Precio $2.5 / $15 Longitud 1.05M | |||
| 24–25.º | DeepSeek-R1 (2025-05) | DeepSeek | Valoración 35.1 | — | — | 131.1K | DeepSeek Publicación 2025-05 Precio — Longitud 131.1K |
Evolución de la puntuación máxima
2025-02-24Publicación2026-05-28
Cómo leer esta página
- La corrección de la respuesta se califica en cada tarea, y el valor es la puntuación media. Reúne valores publicados por las instituciones que crearon las tareas, entre otras.
- Es la media de las calificaciones de corrección por tarea (sobre 100), y la mayoría queda entre 35 y 55 puntos. Como no se publican márgenes de error, las diferencias de 1 a 2 puntos no son diferencias claras.
- Los iconos de la columna Admite son, de izquierda a derecha: puede usar herramientas / puede leer imágenes / puede responder con un formato fijo (JSON) (una marca tenue significa que no lo admite o que se desconoce).
- Un modelo de pesos abiertos es aquel cuyo contenido (los pesos) se ha publicado y que también puedes ejecutar en tu propio ordenador o servidor. Los modelos sin la marca de pesos abiertos se usan normalmente a través del servicio del desarrollador (aplicación o API) (algunos modelos no tienen información sobre sus pesos).
- ChatGPT y los demás nombres junto al nombre del modelo son los servicios que ese desarrollador ofrece al público. Comprueba en el propio servicio si ese modelo se puede elegir allí.
Datos: Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT), actualizado el 2026-10-24, Fuentes de datos